基于量子神经网络的手写体数字识别方法研究.PDF

维普资讯 第28卷 第 18期 计算机工程与设计 2007年9月 Vo1．28 NO．18 ComputerEngineeringandDesign Sept．2007 基于量子神经网络的手写体数字识别方法研究 吴茹石 ， 彭 力 (江南大学控制科学与工程研究中心，江苏 无锡 214122) 摘 要：手写体数字识别问题是模式识别领域的一个重要研究课题。提出了一种基于多层激励函数的量子神经网络和多级 分类器组合的手写体数字识别方法，采用MNIST数据库进行训练和测试。实验结果表明，该识别方法在识别率和可靠性方 面均有很好的效果，同时也体现出量子神经网络用于模式识别的优越性和潜力。 ． 关键词：量子神经网络；多层激励函数；多级分类器；手写体数字识别；模式识别 中图法分类号：TP183 文献标识码：A 文章编号：1000-7024(2007)18-4462-04 Handwrittendigitalrecognitionmethodbasedonquantum neuralnetworks WU Ru—shi． PENG Li (ResearchCentreofControlSciencenadEngineering，SouthernYangtzeUniversity,Wuxi214122，China) Abstract：Thehandwrittendigitalrecognitionisna importantproblem ofpatternrecongitionfield．Anapproachtohandwrittendigital recongitionispresentedbasedonmulti-leveltrnasferfimctionquantumneuralnetworks (QNN)nadmulti-layerclassifiers．TheQNN istrainednadtestedbytheMNISTdatabase．Theexperimentalresultsindicatethemethodachievesexcellentperformnaceintemr sof recongitionratesnadrecongitionreliability,nadshowthesuperioritynadpotentialofQNNinsolvingpatternrecongitionproblems． Keywords：quantum neuralnewt ork；multi--levelrtans~rfimction；multi-·layerclassifier；hnadwrittendigitalrecong ition；pattern recong ition 0 引 言 1 量子神经网络模型 手写体数字识别是光学字符识别技术 (opticalcharacter N．B．Karayiannis等人 1997年借用 了量子理论 中量子态叠 recognition，OCR)的一个重要分支 。由于其在邮政编码 、统计 加的思想，提出了基于多层激励函数的量子神经网络模型 ， 报表，财务报表等方面的广泛应用 ，在过去的3O年里一直是 在三层的神经网络结构中，隐层量子神经元的激励函数采用 图像处理，模式识别领域的研究热点 。 多个传统激励函数的叠加，使网络有了一种固有的模糊性。理 近年来，人工神经网络技术取得 了巨大的发展。由于神 论和实验均证明多层激励函数的量子神经网络模型对具有不 经网络具有 自学习、容错性、分类能力强和并行处理等特点， 确定性、两类模式之间存在交叉数据的模式识别问题，有极好 因此采用神经网络对手写